风险管理第二章节.pptVIP

* 由于ES可以明确指出VaR估计失败时损失的条件期望值，所以它更有助于对尾部风险的深入认识，也更接近于投资者的心理感受。 ES的严格定义 对于已知可积的随机变量L和置信水平α∈(0,1)，在置信水平α下的ES定义为： 上式中 项在损失分布连续时为0；在离散条件下， 故需要将它从均值 中减去。 ES模型在信用资产组合优化中的应用 共选择20支债券作为样本进行分析，分别是10支国债和10支企业债。我们将国债看成一种无风险债券，企业债看成一种有违约风险的债券，它们的到期收益率可以分别看成无风险债券和有违约风险债券的利率。我们取自2004年01月01日到2005年08月30日，共401个交易日的收盘价作为样本数据。 从上表中，我们可以发现，随着置信水平的提高，VaR值和ES值也分别增大，但无论在哪个置信水平下，基于ES度量的风险值都会大于等于VaR度量的值，这与ES的定义是一致的。 Distortion Risk-Measure定义 定义1 设映射g:[0,1]→[0,1]是增函数,且g(0) = 0,g(1) = 1,若变换F*(x)=g(F(x))为扭曲概率分布,则称g为扭曲函数. 定义2 若对随机损失变量X的生存函数S(X) = 1 -F(X),有 则称 为扭曲风险度量. 扭曲风险度量是调整后的概率测量,更多的考虑了高风险事件,g(S(X))是调整后的生存函数. WT-measure的扭曲函数 Wang. s. s(2000)提出了一种特殊的扭曲函数: 其中正态分布,称其为Wang-transform. 在Wang-transform中有 这里的扭曲函数是连续的且一一对应的. Wang 可以看到，扭曲函数g使得变换后的分布函数比原始分布函数尾部更厚些，因此能更好的拟合分布的尾部区域。另外，从图中还可以看出函数型风险度量的值比风险度量的值大，这更加符合风险管理的谨慎性。 定理一：扭曲风险测量满足一致性的充要条件是扭曲函数为凹函数。 证明：对四个条件逐一证明。 1、单调性 由扭曲函数定义可知，扭曲函数 为增函数。对 当 时，有 ，又因为 ， 所以有： Wang-Distortion的一致风险度量证明 2、正齐次性： 已知： Wang-Distortion的一致风险度量证明 Wang-Distortion的一致风险度量证明 3、平移不变性 4、次可加性 扭曲风险度量 ，当且仅当 是凹扭曲函数(concave) 。 反证法： 设 为严格凸函数， ，令 ，对任意 有： Wang-Distortion的一致风险度量证明 Wang-Distortion的一致风险度量证明 考虑随机变量X和Y是离散型分布，对于任意0 w 1和 ，分布见表： Wang-Distortion的一致风险度量证明 所以有： 得出矛盾，因此原命题结论成立。 各类风险度量函数比较 单调性 正齐次性 平移不变性 次可加性 一致性 Var 满足 满足 满足 不满足 不满足 CVaR 满足 满足 满足 不总是满足 当证券组合损失的密度函数是连续函数时满足 ES Expect shortfal 满足 满足 满足 满足 满足 风险度量方法 扭曲函数 次可加性 一致性 Distortion-VaR gv(t) 不满足凸性条件 不满足凸性条件 Distortion-CVaR gc(t) 满足 满足 WT-measure g(u) 满足 满足 Var的扭曲函数 VaR的扭曲函数为: 在t= 1 -α时,扭曲函数有个大的跳跃,即这个函数非连续的.因此对应的扭曲风险测量为: CVaR的扭曲函数 C-VaR是一个平滑的分布函数: CTE的扭曲函数为: 当t∈(1 -α,1)时,都映射到“1”这个点上,因此该扭曲函数